大将軍 アピール文書

前回出場（N4S）においては、盤上の4駒の位置関係をもとに、評価関数を学習していました。
しかし、昨年参加した第3回将棋電王トーナメントにおいては、使用PCのメモリ容量の削減され
4駒関係を利用することが困難となりました。このため、4駒関係の学習をいったん保留し、
3駒関係に限定して一から学習をすることとし、大将軍の名前を復活させることにしました。
大将軍では、3駒の位置関係までに限定して、形勢を評価する形となりますが、
3駒の評価関数においても、まだまだ最適化の余地があると考えられます。
4駒の関係を学習する場合、メモリ消費量が多く、学習結果の保存などにおいても、
リソースが必要となります。また、学習の改善に対する効果の確認ために必要な、
自己対戦による勝率計算もリソース不足により困難となっていました。
電王トーナメントのレギュレーション変更により、いままでの学習成果を
リセットする形となりましたが、評価まわりの動作を軽くすることで
リソース不足を解消し、ターンアラウンドタイムを改善することで、
開発スピードの向上させることができました。

評価関数の特徴としては、基本的な3駒の位置関係に加え、
・駒の位置関係の相対位置による評価
・利きをまとめて学習
・手番の学習
を評価項目に入れています。
学習方法としては、
ミニバッチによる学習を採用しています。

自己対戦が可能となりましたので、マルチスレッドによる同時並行の自己対戦ツールを
作成しました。これにより、短時間で改善の効果の確認が可能となりました。
現在は、学習から評価までを2〜3日ほどで完了し、改善の有無を判断しています。